教育测量的基本原理与方法 童辉杰 博士 教授. 一、从两份载入史册的评语说起 1. 黑格尔的老师对他的评价 黑格尔是德国的著名哲学家， 18 岁进入图宾根大 学（符腾堡州的一所新教神学院）学习。毕业时， 他的老师为黑格尔写下一段评语： “ 健康状况不佳， 中等身材，不善辞令，沉默寡言，天赋高，判断.

Presentation on theme: "教育测量的基本原理与方法 童辉杰 博士 教授. 一、从两份载入史册的评语说起 1. 黑格尔的老师对他的评价 黑格尔是德国的著名哲学家， 18 岁进入图宾根大 学（符腾堡州的一所新教神学院）学习。毕业时， 他的老师为黑格尔写下一段评语： “ 健康状况不佳， 中等身材，不善辞令，沉默寡言，天赋高，判断."— Presentation transcript:

1 教育测量的基本原理与方法 童辉杰 博士 教授

2 一、从两份载入史册的评语说起 1. 黑格尔的老师对他的评价 黑格尔是德国的著名哲学家， 18 岁进入图宾根大 学（符腾堡州的一所新教神学院）学习。毕业时， 他的老师为黑格尔写下一段评语： “ 健康状况不佳， 中等身材，不善辞令，沉默寡言，天赋高，判断 力健全，记忆力强，文字通顺，作风正派，有时 不太用功，神学有成绩，虽然尝试讲道不无热情， 但看来不是一名优秀的传教士。语言知识丰富， 哲学上十分努力。 ”

3 2. 卡尔 · 马克思《中学毕业证书》上的评语 一、操行：对待师长和同学态度良好。 二、才能和勤勉：该生才能优异，在古代语、德 语和历史课方面表现了十分令人满意的勤勉，在 数学课方面是令人满意的勤勉；只是在法语方面 稍为勤勉。

4 三、知识和成绩 1. 语言 （ 1 ）德语：语法知识和作文都很好。 （ 2 ）拉丁文：无需准备就能熟练、细致地翻译和 解释中学选读的古典作品中比较容易的段落，经 过适当准备或稍作辅导后，常常能熟练、细致地 翻译与解释较难的读物，尤其是语言本身并不太 难和所涉及的事物和思想内容都较难懂的读物。 他的作文就内容而言，既富于思想，又对事物有 深刻的了解，但时常过于冗长，在掌握拉丁文方 面达到了令人相当满意的熟练的程度。

5 （ 3 ）希腊文：对中学选读的古典作品的理解，其知识和 熟练程度同拉丁文不相上下。 （ 4 ）法语：语法知识相当好，略加辅导就能读较难的作 品。口语表述方面达到了一定的熟练程度。 2. 学科 （ 1 ）宗教知识：对基督教的教义和自诫相当清楚，能很 好地论证；对基督教的历史也有一定的了解。 （ 2 ）数学：有丰富的知识。 （ 3 ）历史和地理：总的来说，具有相当令人满意的知识。 （ 4 ）物理：知识中等。

6 因此，本委员会衷心希望将由于得天独厚而获得 应有的美好前程。 学校考试委员会 思维丰富，文学结构严谨，然而有追求与众不同 的形象用语的倾向。 —— 校长维登巴赫

7 反思 1. 我们能为学生写出同样的全面中肯的评语吗？ 2. 评语是怎样做出的？ 3. 什么是教育测量与评价？

8 1. 我们能为学生写出同样的全面中肯的评语吗？ 任何一个普通的老师，都完全能够看到每一个学 生全面的发展和特点。如果让一个老师自主地、 自由地对任何一个学生作出评价，我相信他们都 完全可以作出全面的恰当的评价而不失分寸。那 么，是什么东西屏蔽了全体教师的眼光呢？是什 么东西不让这些教师看到学生的全面发展呢？无 疑就是我们的教育部门的官僚主义和行政取向。 领导们那么忙，怎么能够看到学生全面的发展和 特点呢？他们也不需要看到、不愿意看到。他们 只需要分数！分数，多么简单而好使！

9 我们的教育体制表现出两个特点。一是应试主义， 只看到考试成绩，看不到学生其它方面的发展； 二是官僚主义和行政取向。正因为教育部门广泛 而深入的官僚主义和行政取向，才造成了一切向 分数看的体制。

10 所以说，我们厌倦了应试教育这么多年，批评应试教育这 么多年，一点进展也没有，原因就在于我们竟然没有看到 应试教育是怎样来的。怎么这么多年来没有人发现应试教 育完全是来源于教育部门广泛而深入的官僚主义与行政取 向！教育部门的官僚主义和行政取向导致了应试教育，这 种 “ 异化 ” 的组合一道忽略和抹杀了我们的学生的生动活泼 的天性、丰富多彩的创造性、无限的发展潜能 …… 却只需 要易于管理的升学率、需要服从、听话、刻板、机械的品 质。在简单管理的官僚主义和行政取向的 “ 升学率 ” 的指挥 棒下，全体师生只能服从、听命，于是高强度的 “ 题海战 术 ” ，铺天盖地的大考小考，永远的死记硬背，从小学的 6 年，再到中学的 6 年 …… 所以才出现今天高校的 “ 阴盛阳衰 ” 现象。

11 2. 评语是怎样做出的？ 评语是一种非常重要的教育评价。 教育评价是依据教育测量、行为观测、综合考察 的结果做出的。

12 3. 什么是教育测量与评价？ 对受教育者并且同时也对教育者的行为进行标准 化的量化分析，从而作出客观的科学的评价。 标准化：（ 1 ）测量过程的标准化；（ 2 ）领域参 照和常模参照标准。 量化分析：（ 1 ）掌握水平：学业成绩；（ 2 ）标 准分（ Z,T,IQ, 等等） 对受教育者：因材施教。 对教育者：促进教育发展。

13 国外对学校教育质量的评价 Horwitz （ 1979 ）：学业成绩、自我概念、对 学校的态度、创造力、独立性与顺从性、好奇感、 忧虑与调节、控制点、互助性。 Hedges 等人（ 1981 ）：成就动机、调节、忧 虑、对学校的态度、对老师的态度、互助性、创 造力、好奇感、一般思维能力、独立性与自立性、 控制点、自我概念、语言能力、数学成绩等学业 成绩。

14 二、从最早的教育测量到今天的教育测量： 回顾与反思 正是中国孕育了世界上最早的教育测量。在测量 史上，世界公认人类最早出现的教育测验，是在 中国发现的。公元前 2200 年，大禹对官员每三年 一次进行能力测验，作为晋升或罢免的依据。这 可以说是人类最早出现的教育测验。并且，有史 料可循的中国汉朝出现的文官选拔考试，也是比 西方早了一千多年。汉武帝（公元前 156 年 - 公元 前 87 年）时，兴办太学，并开科取士，及至隋唐 成为制度。而在欧洲，大学里出现正式考试是公 元 1219 年的事，文官考试则更是要到 1833 年后。

15 1. 中国人这项最早的创新意义何在？ 大家不要低估了开科取士的伟大意义，这种创举： 一是使用了测量的方法和心理选拔的策略，从而能够真正 公平地选拔到合适的人才，使人力资源的配置达到优化； 二是广开了才路，使有能力的寒门子弟也能够晋升，为国 家效劳，从而开发了国力。历史已经检验了这种创举的 “ 实证效度 ” ，汉武帝时中国的强盛就能说明问题，汉武帝 于是也成了 “ 雄才大略 ” 的一代雄君。 所以，其意义比美军使用 “ 陆军 A 、 B 种智力测验 ” 还值得称 道。

16 2. 为何到后来反而成了僵化的体制？ 从晚清腐败的科学考试 今天的应试教育。

17 3. 教育与国家发展究竟有多大关系？

18 三、信度的原理与方法 1. 信度的意义 假设有人前几天给你量过身高，你的身高是 175 厘米。今天再次给你量了身高，你的身高是 165 厘米。你作何感想？ 根据这样的测量，请问，你究竟是多高？你能够 下结论吗？显然，测量误差很大的测量结果，是 不能够给出结论的。

19 5 位教师对一位学生的作文评分的结果是： 90 、 20 、 70 、 10 、 30 ；请问，这样的评分能够相信吗？ 评分从 10 分到 90 分，彼此相差太大，评分者信度是很低的。 在这样的情况下，能够对学生作出可靠的结论吗？ 评分者信度低，说明教师们或者对评分标准有不同的理解， 或者对学生存有偏见。也就是说， 5 位教师的评价存在很 大的误差，这样是不能够对学生做出客观可靠的结论的。 否则就是草菅人命。

20 2. 信度的计算 信度常以相关系数表示： 例如， 50 个被试第一次测验与相隔一周后的第二次同样的 测验，两次测验成绩的相关系数 r 为 0.85 。这个相关系数 表示的是重测信度。 有 5 种信度（重测信度、复本信度、分半信度、内部一致 性信度和评分者信度）算法。

21 各种信度的含义 信度要说明的问题取样特点 重测信度第一次测验与第 二次测验是否一 致？ 在不同时间取样稳定性系数 复本信度不同的复本在同 时或不同时测验 时是否一致？ 对内容与时间取 样 等值性及稳定性 系数 分半信度测验分为两半时 是否一致？ 对内容取样同质性系数 内部一致性系数测验的内部各个 项目之间是否一 致？ 对内容取样同质性系数 评分者信度不同的评分者之 间的评分一致性 如何吗？ 对评分者取样评分者一致性系 数

22 四、内容效度问题 通俗地说，或者从字词的意义上说，内容效度就是从测验 的内容方面去检验测验的效度。内容效度主要去考察被试 过去学得怎么样和做得怎么样。 内容效度检验一个测验是否包括足够的行为样本并且有适 当的比例分配。一是要有足够的覆盖面，二是分配的比例 必须适当。

23 假如关于高一期末考试的试卷出现争议？

24 高一数学学过的内容 必修 1 内容：函数，基本初等函数 1 ，函数模型及其应用 必修 2 内容：立体几何初步，空间中的线面关系，直线与 方程，圆与方程 必修 3 内容：算法初步，统计，概率， 必修 4 内容：三角函数，平面向量，三角恒等变换

25 五、标准化问题 1. 参照的意义 原始分数毫无意义。 （ 1 ）常模参照。 （ 2 ）领域参照。

26 2. 领域参照测验的主要特征是： （ 1 ）界定明确的领域与内容的范围。首先一定要界定清 楚测验的领域与内容的范围，例如，过去学了哪些东西， 做了哪些事。 （ 2 ）根据明确的领域与内容的范围，确定掌握水平。明 确界定了测验的领域与内容范围之后，就可以确定一个掌 握水平。例如，明确了高一某学期学过集合、代数、函数、 几何这些内容，就可以每个部分编制若干道题，总共 100 分，并确定 60 分为及格。这分数就对知识与技能的掌握水 平。

27 3. 领域参照测验与常模参照测验的关系 （ 1 ）领域参照测验可以与常模参照测验结合。当测验的 领域清晰时，我们可以编制领域参照测验，也能编制成常 模参照测验。例如，学业测验本来是领域参照测验，但是， 我们可以进一步将它发展成常模参照测验。那些学业标准 化测验就是如此。著名的测验 GRE 、托福、美国学业评定 测验方案（ SAT ）、美国大学测验方案（ SCT ）等就是常 模参照测验。 （ 2 ）常模参照测验不可编制成领域参照测验。当测验的 领域不清晰时，只能编制常模参照测验，不能编制领域参 照测验。智力、人格、创造力、心理健康这些领域都是不 清晰的，难以明确辨别的，所以，只能编制常模参照测验， 不能编制领域参照测验。领域都不清晰，谈何领域参照？

28 3. 常模参照的标准化测验的应用 从标准化的学业测验到学习风格（反省监控）、 人格（成就动机和抱负水平）、认知能力（智 力）、心理健康（ 病态人格、强迫、焦虑、抑 郁） ……

29 六、几个展望 1. 项目反应理论与计算机自适应测验 2. 大数据与教育测量